科研之友
微信
新浪微博
Facebook
分享链接
摘要
U-Net是近期流行的视网膜OCT图像分层分割方法，但是在具有复杂纹理信息的图像区域上会出现较大分割误差。提出一种带有层密集块的U型神经网络(LDU)。通过引入图像特征信息重用的层密集块，提取更有效的图像多尺度特征，从而提高视网膜OCT图像的分层分割精度。利用杜克大学公开的两层视网膜OCT数据库对LDU与传统U-Net方法进行对比分析。测试验证结果表明该方法可提升人眼特别是AMD病眼视网膜OCT图像分层分割的性能，提高视网膜各层定量化分析的准确性。
- 单位
U-Net是近期流行的视网膜OCT图像分层分割方法，但是在具有复杂纹理信息的图像区域上会出现较大分割误差。提出一种带有层密集块的U型神经网络(LDU)。通过引入图像特征信息重用的层密集块，提取更有效的图像多尺度特征，从而提高视网膜OCT图像的分层分割精度。利用杜克大学公开的两层视网膜OCT数据库对LDU与传统U-Net方法进行对比分析。测试验证结果表明该方法可提升人眼特别是AMD病眼视网膜OCT图像分层分割的性能，提高视网膜各层定量化分析的准确性。
